[发明专利]客户画像方法、装置、计算机可读存储介质及终端设备

权利要求书

1.一种客户画像方法，其特征在于，包括：

接收客户画像指令，并从所述客户画像指令中提取出待画像客户的客户标识；

根据所述客户标识从预设的数据库中获取所述待画像客户在预设的各个评估维度上的信息，其中，每个评估维度上均包括若干个评估因子；

对所述待画像客户在各个评估维度上的信息进行归一化处理，得到归一化信息；

在各个评估维度上，分别根据预设的因子权重对各个评估因子上的归一化信息进行加权求和，得到各个评估维度上的评估值；

根据预设的维度权重对各个评估维度上的评估值进行加权求和，得到所述待画像客户的画像值；

选取与所述待画像客户的画像值对应的客户标签，并将选取的客户标签确定为所述待画像客户的画像结果。

2.根据权利要求1所述的客户画像方法，其特征在于，所述选取与所述待画像客户的画像值对应的客户标签，包括：

从预设的标签数据库中分别获取与预设的各个客户标签对应的参照画像值集合，每个参照画像值集合中均包括若干个参照画像值子集，每个参照画像值子集中均包括一个预设的时间区间内的若干个历史客户的参照画像值；

对于每个客户标签，分别计算所述待画像客户的画像值与各个参照画像值子集之间的第一距离，并根据各个参照画像值子集的第一距离和预设的时间区间系数计算所述待画像客户的画像值与参照画像值集合之间的第二距离；其中，各个参照画像值子集的时间区间系数与其时间区间距离当前系统时间的时长负相关；

选取第二距离最短的客户标签作为与所述待画像客户的画像值对应的客户标签。

3.根据权利要求1所述的客户画像方法，其特征在于，所述因子权重的设置过程包括：

确定优化目标集合，所述优化目标集合中包括至少一个优化目标；

从预设的数据库中获取训练样本集合，所述训练样本集合中的每个训练样本均包括一个历史客户在各个评估维度上的信息和在各个优化目标上的标签值；

根据所述训练样本集合对目标维度上的因子权重进行迭代训练，在每次迭代训练过程中，在所述目标维度上分别计算每个训练样本在各个优化目标上的第一输出值，所述目标维度为任意一个评估维度；

根据每个训练样本在各个优化目标上的第一输出值和标签值计算所述训练样本集合的第一全局误差；

将所述第一全局误差取得最小值时所对应的因子权重确定为在所述目标维度上训练好的因子权重。

4.根据权利要求3所述的客户画像方法，其特征在于，所述维度权重的设置过程包括：

根据所述训练样本集合对所述维度权重进行迭代训练，在每次迭代训练过程中，分别计算每个训练样本在各个优化目标上的第二输出值；

根据每个训练样本在各个优化目标上的第二输出值和标签值计算所述训练样本集合的第二全局误差；

将所述第二全局误差取得最小值时所对应的维度权重确定为训练好的维度权重。

5.根据权利要求3所述的客户画像方法，其特征在于，所述在所述目标维度上分别计算每个训练样本在各个优化目标上的第一输出值，包括：

根据下式计算任意一个训练样本在第k个优化目标上的第一输出值：

其中，1≤k≤K，K为所述优化目标集合中的优化目标总数，M_k为所述目标维度上的各个评估因子的序号集合，w_i为所述目标维度的第i个评估因子的因子权重，i∈M_k，x′_i为该训练样本在所述目标维度的第i个评估因子上的归一化信息，b_k为第k个优化目标的偏置项，σ为预设的激活函数，为该训练样本在第k个优化目标上的第一输出值。